LoRA

Afinar un modelo por completo significa modificar miles de millones de números, lo que exige hardware caro y produce una copia tan grande como el original. Un LoRA toma otro camino. Congela el modelo base y aprende solo un pequeño conjunto de matrices adicionales, cada una una corrección compacta de una capa. La idea del bajo rango es que el cambio útil puede describirse con muchos menos números de los que contiene la capa. Por eso el archivo suele pesar entre unos pocos megabytes y unos cientos, frente a varios gigabytes del modelo base.

En la generación de imágenes los LoRA son populares porque se comparten y se combinan con facilidad. Uno puede captar un acabado de acuarela, otro un producto concreto o un personaje ficticio que diseñaste, otro un objetivo fotográfico. Se aplica con una intensidad entre cero y aproximadamente uno: baja para un toque, alta para un efecto marcado. Apilar varios puede funcionar, pero se estorban entre sí, y un LoRA está ligado al modelo base con el que se entrenó: el de una familia de modelos no funcionará bien en otra.

Los modelos de lenguaje usan la misma técnica para adaptarse a un ámbito o a un tono, y también sirve de base a métodos de entrenamiento eficientes que combinan un LoRA con la cuantización, la compresión de los pesos del modelo base, para que el afinado quepa en una sola tarjeta gráfica. Ten la cautela que vale para cualquier extensión: su contenido viene de su autor, así que revisa la licencia, la fuente y qué contenían las imágenes de entrenamiento antes de usarla, y nunca entrenes con el rostro de una persona real sin su consentimiento.

Un escenario concreto ayuda. Un pequeño fabricante de muebles quiere que cada imagen de su catálogo comparta un mismo aspecto: luz diurna suave del norte, roble claro, un fondo de lino discreto. En lugar de repetir ese aspecto en cada descripción, un creador puede entrenar un LoRA con unas decenas de fotos de sus propias piezas y activarlo con una intensidad moderada. La misma idea sirve a los kits de ilustración de marca y a los personajes ficticios coherentes. El coste es el cuidado en la preparación: imágenes de entrenamiento ordenadas, variadas y bien etiquetadas, y una prueba breve para ver si la extensión memoriza en exceso y solo copia sus ejemplos en vez de aprender el estilo.

Un LoRA también es reversible y barato de guardar: como el modelo base nunca se modifica, puedes tener muchas extensiones a la vez, compararlas y borrar una sin perder nada más.

NeverNo no permite cargar tus propios archivos LoRA. El Studio ofrece en su lugar un catálogo de modelos de imagen ya preparados, con Z-Image Turbo por defecto, un modelo abierto incluido en todos los planes, y eliges uno a mano para otro acabado. Para cambiar de estilo dentro de un modelo, eliges uno de los quince estilos predefinidos, y afinas con la descripción de hasta 1 500 caracteres y el prompt negativo.

Como tu historial, tus personajes y tus medios permanecen en tu navegador y no en nuestros servidores, una extensión personalizada plantearía además cuestiones de almacenamiento y de comprobación que NeverNo no ha asumido. Los límites absolutos de NeverNo se aplican a cada solicitud: nada que implique a menores, y ninguna imagen de personas reales identificables sin su consentimiento.